【每日AI前沿追踪】2026年06月18日 核心技术与产业动态速递

一、 今日核心洞察与重点摘要

  • Transformer 核心作者 Noam Shazeer 离开 Google 加入 OpenAI，AI 人才争夺白热化：Shazeer 是 Transformer 论文的共同作者、Gemini 联合负责人，曾因 Character.AI 被 Google 以 27 亿美元人才收购回归，如今再度出走投入 OpenAI 怀抱。Sam Altman 在 X 上亲自官宣并称「神的恩典」。同期，Dean Ball（知名 AI 政策博主）也加入 OpenAI 领导前沿 AI 政策团队。Google 的 AI 人才护城河正在被 OpenAI 持续蚕食，而 Transformer 原班人马的流向正在重新定义大模型竞争格局。

  • AI 编程工具生态全面「智能体化」：苹果 Xcode 27 首次深度集成 AI 智能体，支持自然语言修 Bug、构建 App；虚幻引擎 5.8 原生集成 MCP 插件，Claude Code 可通过自然语言直接生成 3D 场景；Claude Design 上线首周用户破百万，并与 Claude Code 实现双向同步；Cursor 收购 Continue 加速 Agent 布局，同时推出手机端 App 管理 Agent。Vercel 开源 Agent 框架 Eve。编程工具正从「AI 辅助」升级为「AI 自主执行」，MCP 协议正在成为连接 IDE、引擎与 Agent 的统一基础设施。

  • DeepSeek 双线出击：Vision 上线 + 500 亿美元估值：DeepSeek 正式推出识图模式（Vision），支持 App 和网页端图片理解，标志着 DeepSeek 从纯文本向多模态迈进。同日，DeepSeek 首轮融资估值超 500 亿美元（此前有报道称 4000 亿元），创始人梁文锋向投资人提出「不挖人」要求。同期微软评估在 Copilot Cowork 中托管 DeepSeek V4 以降本，OpenAI 年营收 130 亿但亏损远超收入的财务数据泄露——中国开源模型正在以「低价 + 多模态 + 开源」策略从底层重塑全球 AI 成本结构，而美国前沿实验室的烧钱速度正成为最大商业悬念。

  • Midjourney 跨界医疗，发布全身超声波扫描仪：以 AI 图像生成闻名的 Midjourney 宣布成立医疗部门 Midjourney Medical，首款硬件产品为 60 秒无辐射全身超声波扫描仪（与 Butterfly Network 合作），计划 2027 年底开设水疗中心。公司宣布将全部利润再投入医疗救生。这是 AI 公司从纯软件向「AI+硬件+医疗」跨界最具标志性的案例，预示着生成式 AI 公司正在寻找物理世界的商业化路径。

今日企业 × 高校研究合作趋势：6 月 18 日的产学研合作集中在「Agent 长时程规划与评测」「RL 训练效率优化」「多智能体编排」三大方向。合作模式呈现鲜明分工——企业贡献前沿模型 API、算力与工程平台，高校贡献评测框架设计与理论分析：CEO-Bench 由普林斯顿大学（Karthik Narasimhan）联合 Meta（Zhuang Liu）完成，高校负责长时程商业决策的形式化与评测设计，企业提供前沿模型测试支持；EfficientRollout 由韩国 Furiosa AI（AI 芯片公司）联合 UC Berkeley（Amir Gholami、Coleman Hooper）完成，企业提供芯片级系统优化经验，高校贡献推测解码理论框架；SciOrch 由牛津大学（Philip Torr）联合香港中文大学/上海 AI Lab（Wanli Ouyang、Lei Bai、Zhenfei Yin）完成，高校负责 MCTS 编排理论，企业提供前沿 LLM API 与算力。一个值得注意的趋势是——非美国企业（韩国 Furiosa AI、中国高校团队）正在成为产学研合作的重要力量，产学研的地理边界正在从硅谷中心走向全球化分布。

二、 详细内容追踪

1. 前沿学术与技术突破（Hugging Face 精选 + Arxiv 精选）

  • 论文名称：Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games (RNG-Bench)

  • 核心亮点：针对 Agent 在多步交互中需要基于已消失的历史观测做决策这一关键能力，提出 RNG-Bench 基准——包含配对记忆卡牌和 3D 迷宫两类游戏，统一在三种难度轴（网格大小、视觉模式、观测模态）下评测。引入对决协议消除实例级方差和 Memory Gap 指标来分离「遗忘」与「决策失误」。最难的配置需要约 128K token 和 350 张图片输入，前沿 MLLM 远未饱和。分析发现大多数残余错误来自遗忘而非决策失误。在 Qwen3.5-9B 上微调最优策略 rollout 可提升性能并迁移到现有基准。

  • 团队背景：高校主导——香港中文大学（Dahua Lin、Jiaqi Wang、Haodong Duan）团队，专注多模态大模型评测。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：Kairos: A Native World Model Stack for Physical AI

  • 核心亮点：提出面向物理 AI 的原生世界模型技术栈，包含三大设计：(1) 原生预训练范式——跨形态数据课程，将开放世界视频、人类行为数据与机器人交互组织为渐进式发展路径；(2) 原生统一架构——混合线性时序注意力（滑动窗口捕获局部动态、膨胀窗口捕获中程依赖、门控线性注意力维持全局持久记忆），理论证明该时序分解严格限制误差累积；(3) 部署感知系统协同设计——支持服务器和消费级硬件上的低延迟 rollout 生成。在具身世界模型、长时程和动作策略基准上达到顶级性能。

  • 团队背景：产学研团队——Kairos Team 包含 Dacheng Tao、Xiaogang Wang（香港中文大学）等学者与产业研究者联合。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：Guava: An Effective and Universal Harness for Embodied Manipulation

  • 核心亮点：系统探索了具身操作 Agent 的 harness 设计空间，识别出三大关键要素：迭代感知-推理-动作循环、语义动作抽象、多模态观测。通过蒸馏管道将具身操作能力蒸馏到 4B 开源模型（仅用不到 2K 条仿真轨迹），在仿真和真实环境中性能可比前沿专有模型，并展现出对未见物体、新指令和长时程任务的强泛化。证明了精心设计的 harness 可作为模型无关的具身操作可扩展接口。

  • 团队背景：高校主导——马里兰大学（Furong Huang、Jia-Bin Huang）联合 Jiayuan Mao（MIT），聚焦具身智能 harness 设计。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：EfficientRollout: System-Aware Self-Speculative Decoding for RL Rollouts

  • 核心亮点：针对 RL 训练中 rollout 生成是延迟瓶颈的问题，提出系统感知的自推测解码框架。核心创新：从目标模型导出量化 drafter（自推测解码），无需单独 drafter 预训练即可与进化中的策略保持耦合；配合系统感知的 SD 切换策略与接受率感知的草稿长度自适应，仅在有利区间启用推测。将 rollout 和端到端延迟分别降低 19.6% 和 12.7%，同时保持模型质量。

  • 团队背景：产学研强强联合——韩国 Furiosa AI（AI 芯片公司，Minseo Kim、Hyung Il Koo 等）联合 UC Berkeley（Amir Gholami、Coleman Hooper），企业贡献芯片级系统优化经验，高校贡献推测解码理论。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning

  • 核心亮点：提出「LLM 作为环境工程师」框架——当前策略模型分析失败轨迹和上下文信息后，自动修改下一阶段训练环境配置。引入 MAPF-FrozenLake 可控测试床，其生成器暴露多维环境配置参数。以 Qwen3-4B 为骨干，该框架在基准上超越 GPT、Gemini 等更大专有模型和固定环境训练基线。有趣发现：当前 RL checkpoint 比原始基础模型更适合做环境工程师，说明策略学习提升了模型诊断自身弱点的能力。

  • 团队背景：高校研究团队（Chao Chen、Zhijiang Guo 等），聚焦 LLM 自适应训练环境设计。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：Trust the Right Teacher: Quality-Aware Self-Distillation for GUI Grounding

  • 核心亮点：针对 GUI 定位任务中 on-policy 自蒸馏（OPSD）的信号不可靠问题，提出质量感知自蒸馏方法。通过软正确性感知门控检查教师当前坐标 token 预测是否能在学生生成的前缀下完成 ground-truth 框，不可靠信号被降权；再用教师概率缩放校准剩余信号强度。关键发现：单独任一组件均无法提升性能，但组合使用在六个 GUI 定位基准上一致提升——正确性门控抑制不可靠监督，概率缩放校准有效信号强度。

  • 团队背景：高校研究团队（Jingyuan Huang、Ninghao Liu 等），专注 GUI Agent 训练优化。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：Sumi: Open Uniform Diffusion Language Model from Scratch

  • 核心亮点：首个从零预训练的大规模均匀扩散语言模型（UDLM）——7B 参数、1.5T token 训练。均匀扩散允许任何 token 在任何步骤更新，原则上比自回归更灵活。Sumi 在知识、推理和编码基准上与可比 token 预算的自回归模型竞争力相当，但在常识基准上表现不佳（教育密集型数据混合可能是原因）。完全开源模型权重、检查点和完整训练配方（含数据混合的公开语料完整规格），为社区研究原生均匀扩散提供了干净的参考点。

  • 团队背景：高校主导——东北大学（Tohoku University，Mengyu Ye、Keisuke Sakaguchi、Jun Suzuki），专注扩散语言模型基础研究。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：CEO-Bench: Can Agents Play the Long Game?

  • 核心亮点：首次将 Agent 长时程商业决策能力系统化评测——模拟经营一家创业公司 500 天，Agent 需管理定价、营销、预算等多个方面，通过可编程 Python 接口操作。成功需要分析噪声互联的商业数据库、将信号转化为策略、协调多项编程决策。最强 Agent 能编写复杂代码模拟客户群体预测现金流、挖掘谈判历史发现隐藏偏好。然而仅 Claude Opus 4.8 和 GPT-5.5 完成时余额超过 100 万美元起始资金，且两者均未持续盈利——为 Agent 驱动可持续、自适应的长期运营智能划定了当前边界。

  • 团队背景：产学研强强联合——普林斯顿大学（Karthik Narasimhan）联合 Meta（Zhuang Liu），高校负责长时程决策形式化与评测设计，企业提供前沿模型测试支持。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：SciOrch: Learning to Orchestrate Expert LLMs for Solving Frontier Multimodal Scientific Reasoning Tasks

  • 核心亮点：训练轻量 8B 模型编排前沿 LLM 解决科学推理——编排器分解问题、通过 API 调用委托子问题给选定商业模型、合成最终答案。训练难点在于每次动作触发 API 调用（成本高、延迟大），标准在线 rollout 不可行。采用 MCTS 方法生成多样化编排轨迹、提取每节点单轮样本、GRPO 风格训练。在 240 题测试集上达 56.66% 平均准确率，超越最强单一商业模型 3.74%，且 API 成本不到典型多智能体方法的一半。

  • 团队背景：产学研强强联合——牛津大学（Philip Torr）联合香港中文大学/上海 AI Lab（Wanli Ouyang、Lei Bai、Zhenfei Yin），高校负责 MCTS 编排理论，企业提供前沿 LLM API 与算力。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents

  • 核心亮点：发现 GRPO 中梯度信号集中在 rollout 奖励方差最高的任务上（Popoviciu 上界），因此能力边界附近（成功失败约平衡）的样本贡献不成比例的策略梯度。随着训练推进边界持续移动，静态数据集中信息样本逐渐耗尽。RODS 将进度奖励方差复用为零成本边界检测器，持续识别边界样本、通过技能对齐重采样管道合成结构复杂度匹配的新变体，并管理动态重放缓冲区。从 400 个人类种子出发、维护约 800 条活跃训练池，即可达到 17K 样本离线管道可比的性能——所需轨迹减少约 20 倍。

  • 团队背景：高校研究团队（Ruishan Fang、Tao Lin），聚焦多轮工具使用 Agent 的 RL 数据效率。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：MyPCBench: A Benchmark for Personally Intelligent Computer-Use Agents

  • 核心亮点：填补了 Agent 评测与部署之间的个性化鸿沟——在预装 17 个模拟真实 Web 应用和完整桌面栈的 Linux 环境中，以「Michael Scott」（The Office 角色）为标准用户人格定义 184 个任务。最强模型 Claude Opus 4.6 完整解决 55.4%，是唯一超过 50% 的模型。失败集中在跨多应用任务和长轨迹上——个性化对助手考验最大。所有环境、任务集和 Agent harness 均开源。

  • 团队背景：高校主导——卡内基梅隆大学（Ruslan Salakhutdinov、Jing Yu Koh），专注个性化 Agent 评测。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：iOSWorld: A Benchmark for Personally Intelligent Phone Agents

  • 核心亮点：首个围绕持久用户身份构建的交互式原生 iOS 模拟器基准——26 个新建 iOS 应用包含交易、消息、旅行记录、社交关系和金融活动等关联数据。133 个任务分三档难度：单应用（27）、多应用（60，跨 2-8 个应用）、记忆与个性化（46，需从个人数据推断模式）。最佳配置总体达 52% 但多应用任务仅 37%。特权 vision+XML 访问可将前沿模型提升最多 26 个百分点，但小模型不受益。

  • 团队背景：高校主导——卡内基梅隆大学（Ruslan Salakhutdinov、Jing Yu Koh），与 MyPCBench 同一团队。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：CodeSentinel: A Three-Layer Defense Against Indirect Prompt Injection in Code Contexts

  • 核心亮点：针对代码 LLM 从仓库、文档、issue 线程等外部上下文中检索代码时面临的间接提示注入攻击面，提出三层推理时净化器。使用 Tree-sitter 提取高风险面向模型的 CST 节点，结合语法引导预过滤、CST 引导的动态 Min-K% 评分和节点扰动分析检测对抗性和自然语义触发器，检测到的节点在到达下游 Code LLM 前被移除或中和。在六个最新攻击家族上达 0.80 平均节点级 F1，优于 CodeGarrison、DePA 和 KillBadCode。

  • 团队背景：高校主导——国立阳明交通大学（Chia-Mu Yu、Ying-Dar Lin 等），专注代码安全。

  • 相关链接：📄 点击阅读论文原文

  • 论文名称：Diffusion-Proof: Recipe for Formal Theorem Proving Beyond Auto-Regressive Generation

  • 核心亮点：首个将扩散语言模型（dLLM）应用于形式化定理证明的框架。包含两个模型：dLLM-Prover-7B 执行整证明书写（长程一致策略使用），dLLM-Corrector-7B 利用 dLLM 填充能力进行基于双向信息的局部证明修正。相比相同数据集训练的 AR LLM 基线，在 ProofNet-Test 上绝对提升 1.61%，MiniF2F-Test 上提升 6.14%。值得注意的是成功解决了一道 IMO 问题，而更先进的 DeepSeek-Prover-V2-7B 未能解决——展示了 dLLM 在形式化数学中的独特优势。

  • 团队背景：产业界关联——Rui Pan、Shizhe Diao、Tong Zhang 等，研究扩散语言模型在形式推理中的应用。

  • 相关链接：📄 点击阅读论文原文

2. 产业动态与产品创新（AI Hot 精选）

  • 事件/产品名称：Noam Shazeer 离开 Google 加入 OpenAI

  • 核心内容：Transformer 论文共同作者、Gemini 联合负责人 Noam Shazeer 宣布离开 Google 加入 OpenAI。Shazeer 此前因创立 Character.AI 被 Google 以 27 亿美元人才收购回归，此次再度出走。Sam Altman 在 X 上亲自官宣。同期，知名 AI 政策博主 Dean Ball 也加入 OpenAI 领导前沿 AI 政策团队。Google 27 亿美元收购的核心人才再度流失。

  • 落地应用场景：大模型核心架构人才的流向直接决定未来模型架构演进方向，Shazeer 的加入将强化 OpenAI 在模型架构创新方面的领先地位。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：DeepSeek Vision 识图模式上线 + 首轮融资估值超 500 亿美元

  • 核心内容：DeepSeek 正式推出识图模式（Vision），支持 App 和网页端图片理解，标志着从纯文本向多模态迈进。同日 DeepSeek 首轮融资估值超 500 亿美元，创始人梁文锋向投资人提出「不挖人」要求。微软同时评估在 Copilot Cowork 中托管 DeepSeek V4 以降本。

  • 落地应用场景：识图模式可用于文档分析、图表解读、截图理解等场景；DeepSeek 的低成本开源策略正在被微软等大厂纳入降本方案。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Claude Design 上线首周破百万用户，与 Claude Code 双向同步

  • 核心内容：Anthropic 推出 Claude Design 重大更新——支持导入设计系统、新增画布编辑器，并与 Claude Code 实现双向同步。上线首周用户破百万，设计师可在 Design 中可视化原型，同步到 Code 生成前端代码，也可从 Code 同步回 Design 预览效果。

  • 落地应用场景：UI/UX 设计师可快速将设计稿转化为可运行代码，开发者可在代码与设计间无缝切换，大幅降低设计到开发的交付摩擦。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：苹果 Xcode 27 深度集成 AI 智能体

  • 核心内容：苹果 Xcode 27 核心首次深度集成 AI 智能体，支持自然语言修 Bug、构建 App。开发者可用自然语言描述需求，AI 自动生成代码、定位并修复 Bug、构建完整应用。同日 WWDC26 特别讲座展示 4 台 Mac Studio 本地运行 Kimi K2.6 模型。

  • 落地应用场景：iOS/macOS 开发者可通过自然语言对话完成代码编写、调试和应用构建，降低开发门槛并提升效率。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：虚幻引擎 5.8 原生集成 MCP，Claude Code 自然语言建模

  • 核心内容：虚幻引擎 5.8 加入 MCP（Model Context Protocol）插件，支持 Claude Code 通过自然语言直接生成 3D 场景。开发者可描述场景需求，Claude Code 自动调用 UE5 API 创建场景、放置物体、设置光照。Epic 同时预热虚幻引擎 6，引入生成式 AI 工具，游戏逻辑开发全面转向 Verse 语言。

  • 落地应用场景：游戏开发者和 3D 内容创作者可用自然语言快速搭建场景原型，大幅降低 3D 建模门槛。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Midjourney 成立医疗部门，发布全身超声波扫描仪

  • 核心内容：以 AI 图像生成闻名的 Midjourney 宣布成立 Midjourney Medical 医疗部门，首款硬件产品为 60 秒无辐射全身超声波扫描仪（与 Butterfly Network 合作），计划 2027 年底开设水疗中心。公司宣布将全部利润再投入医疗救生。

  • 落地应用场景：预防性健康筛查——60 秒全身扫描无需 MRI 设备，可用于体检中心、水疗中心等场景的快速健康评估。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Anthropic Fable 5 数日内恢复可用，美国政府管制引发争议

  • 核心内容：Anthropic 表示 Claude Fable 5 将在数日内恢复可用。此前美国政府以国家安全为由对 Fable 5 实施出口管制，限制外国国民访问。Anthropic CEO Dario Amodei 在 G7 峰会呼吁盟友共享 AI 访问。同时 Fable 5 运行 AI 智能指数需 6200 美元，成本为前沿模型最高。Nathan Lambert 指出政府要求「零越狱」是不可能的要求。

  • 落地应用场景：Fable 5 恢复后将继续服务企业级 Agent 工作流，但出口管制将影响全球开发者使用前沿模型的可用性。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Cursor 收购 Continue，推出手机端 App 管理 Agent

  • 核心内容：Cursor 收购开源 AI 编程工具 Continue，加速 AI 编程与 Agent 布局。同时 Cursor App 即将发布，支持手机端管理 Agent。Cursor 营收达 60 亿美元，Claude Code v2.1.181 同日发布。Cursor 的 Slack 机器人也实现自动解决与验证修复。

  • 落地应用场景：开发者可在手机端监控和管理编程 Agent 任务进度，收购 Continue 将整合开源社区能力。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Adobe Firefly AI 平台升级：为 Creative Cloud 套件引入智能体

  • 核心内容：Adobe 上线重新设计的 Firefly AI 工作室，新增 Elements 与 Projects 功能。为 Photoshop、Premiere 等多款 Creative Cloud 应用加入 AI 智能体，支持智能编辑、自动生成和创意辅助。

  • 落地应用场景：设计师和视频编辑师可利用 AI 智能体自动完成重复性编辑任务（如抠图、调色、字幕生成），专注创意决策。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：阿里开源首个统一科学大模型 LOGOS

  • 核心内容：阿里通义实验室开源首个统一科学大模型 LOGOS，仅用 1/56 参数即超越微软 NatureLM，覆盖物理、化学、生物等多学科科学推理。同时 Qwen-Robot Suite 亮相，连接语言与物理动作。

  • 落地应用场景：科研人员可用 LOGOS 辅助科学文献理解、实验设计和数据分析，大幅降低科研计算资源门槛。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Kimi Work 推出 Goal 模式全天候运行 + 插件中心

  • 核心内容：月之暗面 Kimi Work 新增目标模式（Goal 模式），支持全天候自主运行，Agent 可持续追踪和执行用户设定的长期目标。同时推出插件中心，6 月推出额度消耗 5 折福利。

  • 落地应用场景：用户可设定如「监控某行业动态并每周汇总」等长期目标，Kimi Work Agent 全天候自主执行，无需人工干预。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：NVIDIA ACE Game Agent SDK 进入 Beta 测试

  • 核心内容：英伟达 ACE Game Agent SDK 进入 Beta 测试，内置 Qwen 3.5 4B 模型并支持 UE5。开发者可集成 AI 驱动的 NPC 行为系统，实现游戏角色的自主对话、决策和交互。

  • 落地应用场景：游戏开发者可为 NPC 赋予基于 LLM 的自主行为能力，实现动态剧情和沉浸式交互体验。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：商汤 SenseNova-U1 LoRA：12.5 倍推理加速

  • 核心内容：商汤发布 SenseNova-U1 LoRA，实现 12.5 倍推理加速，通过 LoRA 适配器在不损失质量的前提下大幅降低推理延迟。

  • 落地应用场景：高并发在线推理场景（如实时客服、智能搜索）可利用加速后的模型在不增加硬件成本下提升吞吐量。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：Meta AI 重组：核心项目高管离职，士气「20 年最低」

  • 核心内容：Meta AI 核心项目高管道尔顿·史密斯被曝离职，CTO 称内部士气为「20 年最低」。裁员与 AI 转型双重压力下，Meta 要求核心工程师 30-50% 时间做数据标注。同期 Yann LeCun 警告 OpenAI、Anthropic 若不降本提价将面临「大泡沫爆炸」。

  • 落地应用场景：Meta AI 的人才流失和士气问题可能影响其开源模型（Llama 系列）的迭代速度，为竞争对手创造窗口期。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：ChatGPT 推出定时任务功能 + GPT-5.5 Instant 健康智能提升

  • 核心内容：OpenAI 为 ChatGPT 推出全新定时任务功能，今日起逐步推送，用户可设定定时执行的任务。同时 GPT-5.5 Instant 提升 ChatGPT 健康智能能力。同期泄露文件显示 OpenAI 年营收 130 亿美元但亏损远超收入。

  • 落地应用场景：定时任务功能可用于自动化工作流（如每日数据汇总、定期报告生成），将 ChatGPT 从对话工具升级为自动化执行平台。

  • 相关链接：🌐 点击查看新闻来源

  • 事件/产品名称：xAI Grok 生态扩展：Word 插件 + Databricks Agent Bricks 集成

  • 核心内容：xAI 发布 Grok for Word 插件，将 Grok AI 能力集成到 Microsoft Word 中。同时 Grok 现集成 Databricks Agent Bricks，支持数据分析和自动化工作流。一键使用预装 Grok Build 的虚拟机也已上线。

  • 落地应用场景：Word 用户可直接在文档中调用 Grok 进行写作辅助、数据分析和内容生成；Databricks 用户可通过 Grok 驱动数据 Agent 自动执行分析任务。

  • 相关链接：🌐 点击查看新闻来源

数据来源：Hugging Face Daily Papers、Arxiv Daily Papers、AI Hot (aihot.virxact.com) 收集时间：2026年6月19日 09:20 (北京时间)，目标数据日期：2026年6月18日